Az AI jelene és jövője – Pataki Márton mesterséges intelligencia fejlesztővel beszélgettünk

Szia Márton! Köszönjük, hogy bevezetsz minket az AI aktualitásaiba és jövőjébe. Nem könnyű lépést tartani ezzel a technológiával. Mintha minden napra akadna valami újdonság.

Pataki Márton: Gyakran nekünk, fejlesztőknek is nehéz lépést tartani vele. Olyan mennyiségű erőforrást fektetnek bele, hogy gyakorlatilag pár évente radikálisan új megoldások és módszerek születnek.

Hogyan kell elképzelni egy AI fejlesztő munkáját? Hol helyezkedsz el egy csapatban?

PM: Egyéni vállalkozóként leginkább olyan feladatokat kapok, amiket egyedül kell megoldanom. A nagyobb AI fejlesztő csapatokban általában egy-két olyan kutatás-fejlesztéssel foglalkozó ember van mint amilyen én is vagyok. Mi rakjuk össze az AI modellek struktúráit. Általában egy ilyen emberre jut kb. tíz másik szakember, hiszen az AI területén rengeteg szakmai együttműködésére van szükség.

Milyen pozíciókra gondolsz itt? Milyen feladatkörök kapcsolódnak az AI fejlesztéséhez?

PM: A mostani AI forradalom kulcseleme az egyre nagyobb mennyiségben rendelkezésre álló adat, szóval kapásból ott vannak az adatra specializálódott szakemberek. A Data Engineerek csak az adatfeldolgozással vagy az adatbázisok kezelésével foglalkoznak.

Egy másik fontos terület a mesterséges intelligenciák futtatása a felhőben, nagy mennyiségben. Ez az AI DevOps Engineering területe.

És akkor ott van az AI fejlesztés, amit én is csinálok.

Általánosságban elmondható, hogy pár ember tudása elég ahhoz, hogy egy modellt megtervezzen. De nagyon sok ember tudása kell ahhoz, hogy egy mesterséges intelligencia modell a valóságban működjön, és használni is lehessen.

Milyen projekteken dolgozol aktuálisan? Tudsz ezekről mesélni egy kicsit?

PM: Korábban dolgoztam orvostechnológiai startupnál és kutatóintézetnél is. Mostanság leginkább ipari projekteken dolgozom. Aktuálisan éppen röntgenkép-elemzéssel foglalkozom. Az ipari rendszerek általában sokkal szűkebb feladatokra koncentrálnak, ezért a mostani projekthez nem kell se a felhő, se adatbáziskezelő szakemberek. Amit én csinálok, az pár ezres-százezres adatbázisokon való tanítás, specifikus feladatokra.

Hogyan kell elképzelni a napi munkafolyamatodat? Milyen tipikus feladatkörei vannak egy AI fejlesztőnek?

PM: Az AI technológiák újdonságából adódóan sokszor a megrendelőknek is nehéz behatárolni, hogy mire van szükségük és lehetőségük. Ezért a munkának nagy részét teszi ki, hogy az elvárásokat és elképzeléseket közelítjük a lehetséges megoldásokhoz.

Ezen kívül általában adatbázisokat készítek és AI modelleket tesztelek. A fentebb is említett feladatokat mind én végzem el egy ilyen projektnél, kivéve az integrációt. Feltanítom a modellt, elküldöm a kódot az integrációs csapatnak, és onnantól csak teszterként segítem őket.

Plusz szakirodalommal is sokat foglalkozom. Nem hasraütésszerűen alakítom ki a modelleket, hanem a legjobb szakirodalmi ajánlások alapján tervezem meg az akutális mesterséges intelligencia rendszert.

Hogyan indult a pályád? Miért választottad ezt a szakmát?

PM: Sok olyan terület van, ahonnan ebbe az őrületbe be lehet csatlakozni, nekem a mezőgazdasági robotok miatt sikerült. Azért kezdtem el AI-t tanulni, hogy a robotok látását és irányítását meg tudjam oldani. De aztán ez a mezőgazdasági vonal a háttérbe szorult, és elkezdtem csak az AI-ra koncentrálni.

Milyen technológiákat használsz a munkádhoz?

PM: Amivel én foglalkozom, ahhoz bőven elég a Python. Szerencsére úgy alakult ki az egész technológia, hogy a legtöbb funkció alacsony szinten C++-ban van implementálva. Viszont a csomagok elérhetőek Pythonban. Ez ideális, mivel a Python egy könnyen használható, rugalmas nyelv, és mivel C++ fut alatta, ezért hatékony marad maga a kód.

Egyébként a programozáson kívül, ha valaki kifejezetten mesterséges intelligenciákat akar létrehozni, ott erősen ajánlott, hogy legyen egy erős matematikai háttere is. Tehát lineáris algebra, statisztika, és analízis. Ezek fontosak ahhoz, hogy az ember ösztönösen értse, hogy mit tanulnak ezek a modellek, és mit csinálnak pontosan. Az ipari elvárások teljesítéséhez 99%-os pontosság kell. Ahhoz, hogy ezt elérjük, elég fontos, hogy értsük, hogy mi megy a háttérben.

Mekkora az igény itthon az AI technológiákra? Azt gondolná az ember, csak a Szilícium-völgyben megy nagyot ez az egész.

PM: Azok az AI-ok, amikről a cikkekben lehet olvasni, azok nem feltétlenül azok, amik amúgy értéket is teremtenek, tehát amik a GDP-t adják. Azok az AI-ok, amik amúgy tényleg értékteremtőek, azok általában pont az ilyen specifikus feladatra készített rendszerek mint az említett ipari projektek. Ezekre nagy igény van Magyarországon is.

Csak, hogy kontextusba helyezzem az ilyen ipari projekteket: a ChatGPT például ezermilliárd változó környékén van ( a változók azok az értékek, amiket megtanul a mesterséges intelligencia). Amik az iparban vannak, azok maximum pár tíz-száz milliós méretűek.

Tudsz mondani példákat ilyen ipari projektekre?

PM: Az egyik ilyen például a hibák detektálása a hegesztési varratokról készült röntgenképeken. A másik pedig elektromikroszkópos képek elemzése, szintén fémeknél. Most épp két ilyen fémes projektem is van. Az utóbbiról sokkal többet nem mesélhetek, de ott is a különböző hibák detektálása a cél.

Hasonló példa egyébként a mezőgazdaságban a szatellit képes automatizált kiértékelő megoldások. De láttam olyat is, hogy egy üveggyárban hatalmas húzott üvegcsöveket világítottak meg polarizált fénnyel, és a fényen át látszódó apró repedéseket elemezték a mesterséges intelligencia segítségével.

Ezek általában kis adatbázisos feladatok, és nagyon nagy precizitást igényelnek. Viszonylag könnyű feladat ugyanis egy olyan AI-t elkészíteni, ami csak 5%-ban hibázik. De ahhoz, hogy az ipari elvárásoknak meg tudjon felelni az AI, minimum 99%-os precizitás kell. Ehhez kell a rutin és a tapasztalat.

Egyébként pont az ilyen megoldások veszik el végül az emberi munkát. Ezekre korábban egy viszonylag alacsony képzettségű szakembert alkalmaztak, aki pár hónap alatt megtanulta profin végezni a munkáját, és kiértékelni a hibákat. De őt most ki lehet váltani egy pár tízmillió forintos befektetéssel. És az AI tűpontos, nem alszik, igény szerint tovább fejleszthető, ráadásul fizetést sem kér.

Szóval az ilyen területeken fogják az AI-megoldások aktívan kiszorítani az embereket. És ezek azok a területek, amikre egyre inkább nyit a magyar ipar is.

Sokan viszont az AI-t a ChatGPT-vel azonosítjuk. Mennyire okos most az az AI, ami a ChatGPT-t működteti?

PM: A ChatGPT egy zseniális rendszer, de azon kívül, hogy rengeteg szöveget megtanult, és aztán ezt különböző trükkökkel megfűszerezve visszaadja, nem sok mindent tud. A ChatGPT, a DALL-E, vagy pl. a Midjourney is mind olyan rendszerek, amik nagy valóságrészleteket képesek magukban lemodellezni, és érdekes módon adják vissza. 

Meglepően jól működnek, és könnyű őket AI-nak hívni, de valódi intelligencia – tehát az alkalmazkodásra, önreflexióra való készség – nincs mögöttük. Mi emberek gyakran találkozunk kiszámíthatatlan helyzetekkel, zajos környezetben. Az ilyen szituációkkal a jelenlegi AI-ok nem tudnak mit kezdeni. Ha valami újat látnak, azt nem tudják csettintésre megjegyezni.

Volt mégis olyan, amiben az AI kiemelkedő eredményt nyújtott, ami meglepő volt számodra?

PM: Talán az AI sakkban, goban, és a hasonló komplex játékokban nyújtott eredményét tudom itt említeni. De az is érdekes, hogy az első AI-okat régi 8bit-es Nintendo DS-es játékokon tesztelték, és már ott olyan réseket talált a játékok kódjában, amit addig senki sem. Feladatnak csak annyit kapott, hogy minél magasabb pontszámot érjen el. Ezt úgy teljesítette, hogy az addig észrevétlen bugokat kihasználta, és így végtelen pontot ért el.

Ez felveti a kérdést, hogy a kiberbiztonság szempontból mennyire veszélyes az AI? Milyen veszélyt rejt például a ChatGPT?

PM: Abból voltak már botrányok, hogy nagy cégeknél a ChatGPT-nek megadták a privát kódbázisukat. A menedzsment nyilván felháborodott, hiszen a ChatGPT minden beszélgetést lement. Erre vigyázni kell.

Az AI egyébként rengeteg veszélyt rejt magában, sok visszaélést el lehet vele követni. Érdekes lesz, amikor ezeket a rendszereket majd hackelni tanítják – illetve, ez már valószínüleg folyamatban is van. Valószínű, hogy egy AI előbb-utóbb mindent fel fog tudni törni.

Lehet egyáltalán olyan rendszert csinálni, ami feltörhetetlen lesz?

PM: Mint minden verseny, ez is kétirányú. A kiberbiztonságban van monitorozás, hogy észrevegyék, ha valaki behatol a rendszerbe. Lesz majd erre is AI fejlesztve.

Eljön majd az idő, amikor nem emberi intelligenciák fognak egymással versenyezni, hanem mesterséges intelligenciák. Ez ugyanúgy egyensúlyba fog kerülni, mint ahogyan az elmúlt kétezer évben a fegyverkezés is. Jöttek a repülőgépek, aztán a légvédelmi rendszerek is megjelentek.

Hogyan, mi alapján hoznak most egyébként döntéseket ezek az AI rendszerek?

PM: Itt az emberi idegrendszerhez fordulnék példáért, mert az emberi viselkedést is ritkán magyarázzuk azzal, hogy egy-egy neuron kicsit másképpen viselkedett, mint kellett volna. Ritkán fogjuk erre, ha valaki idegesebb volt tegnap a kelleténél.

Az AI rendszereket sem véletlenül hívjuk black boxoknak. Nincs önreflexiójuk, ezért nem tudjuk megkérdezni a viselkedésükről, hogy pontosan mit miért csinálnak. De látjuk az eredményeket, és abból le tudunk vonni következtetéseket. Ez is egy kutatási terület az AI-on belül, hogy egy rendszer viselkedését hogyan lehet kiértékelni. De ahogy nőnek a modell méretek, úgy lesz ez egyre nehezebb.

Pedig elég okosnak tűnik az AI. A ChatGPT is bocsánatot kér, ha valamit rosszul csinált.

PM: Persze, de ezek mind betanult viselkedésminták. Nem valódi érzelmi intelligencia áll mögötte mint az embernél.

Régebben volt egy eset, amikor a gépi látó rendszer folyamatosan félreklasszifikálta a huskykat és a farkasokat. És ez nem azért történt, mert összekeverte volna a husky és a farkas külső jellemzőit, hanem azért, mert a rendszer azt szűrte le az adatokból, hogy a havas tájon látott állat az 99%-ban csak farkas lehet. Szóval ha látott egy huskyt egy havas tájon, biztos, hogy farkasnak nézte.

Ezt a példát csak azért hoztam fel, mert jól mutatja, hogy az AI rendszerek akkor mennek félre, ha a tanító adat valamilyen jellegben asszimetrikus, vagy a feladat, amit adunk neki, rosszul van megfogalmazva. Mi, AI fejlesztők folyamatosan valamire motiváljuk ezeket a rendszereket, segítünk nekik megérteni, hogy mihez képest módosítsák magukat. És ha rossz a motiváció, akkor az bizony hibákat eredményez.

Ez elég ijesztő, hogyha azt nézzük, mennyire széles körben fogják alkalmazni az AI-t.

PM: Igen, ha rosszra motiváljuk a komplex döntéshozó rendszereket, annak lehet rossz vége. Például, ha egy rendszertől csak annyit kérünk, hogy minél több kocsit gyártson, és adott esetben javítsa meg őket, akkor egy ponton a balga embert, aki folyton összetöri az autókat, egy kiiktatandó elemként azonosíthatja a rendszerben. Megszabadul az embertől, és akkor a világ végéig tud nyugodtan autókat gyártani, körül belül így nézne ki.

De ez már elég komoly filozófiai kérdés is egyben.

Amikor azt a témát feszegetjük, hogy mekkora problémát tud okozni az emberiségnek az AI, ott azon fog állni vagy bukni a dolog, hogy mi lesz a motivációja. Erre külön kutatócsoportok vannak már, akik az AI Alignmenttel foglalkoznak, vagyis azzal, hogy egy olyan általános mesterséges intelligenciát hozzunk létre, ami az emberiség érdekeivel és céljaival megegyezik.

Ez egy nyitott kérdés, hogy hogyan tudunk egy ilyen rendszert abba az irányba eltolni, hogy az emberiségnek segítsen, úgy, ahogy nekünk van szükségünk rá. Ugyanúgy, ahogy egy kis ipari projektnél nehéz eldönteni, hogy a megrendelő tényleg azt akarja-e, amire szüksége van, ugyanúgy nekünk is nehéz eldönteni, hogy amit mi akarunk, az mennyire lesz végül nekünk hasznos.

Szerencsére az OpenAI elég komolyan veszi ezt a problémát.

Ők mit csinálnak pontosan? A ChatGPT-n kívül fejlesztenek valamit? Sokat lehetett róluk olvasni mostanában a hírekben.

PM: Az OpenAI modellje, a ChatGPT, és most már a Facebook LLaMA is egy olyan algoritmuson alapul, amit transformernek, vagy attentional transformernek hívnak. Ezt a Google fejlesztette ki 2017-ben. Azóta semmi más nem történik, csak egyre nagyobb és nagyobb modelleket készítenek ezzel az algoritmussal, pár módosítással kiegészítve. Az OpenAI volt az első, aki ezt tényleg hatékonyan tette meg. Így jött létre a ChatGPT. 

Szóval hatalmas nyelvi modelleket készítenek, például volt már olyan is, ami Dota 2-ben verte meg a világbajnokot, és egy bújócskázós AI-t is létrehoztak, ami szintén sokkoló eredményeket ért el. Sok mindennel foglalkoztak, de amióta a Microsofttal kéz a kézben dolgoznak, azóta már nem nyílt forráskódúak a termékeik. Azóta azt sem tudhatjuk, hogy milyen titkos projektjeik lehetnek.

A modelljeik viszont továbbra is – szerintem legalábbis – nem valóban intelligens modellek, csak egyre nagyobb halmazát képesek az emberiség tudásának magukba integrálni.

Pedig azt rebesgették, hogy egy nagy áttörés miatt történhetett a CEO kirúgása. Ezt nem látod valószínűnek?

PM: A pletykák egy Q-Star nevű új modellról szóltak, ami gimnáziumi szintű matematikát tud megoldani magától. Ez az AI közösségen belül nagy ellentéteket szült. Én mégis úgy gondolom, hogy valószínűtlen, hogy az OpenAI-nál most egy emberiségre veszélyes AI-fejlemény lenne. Ha az amerikaiak nem tudták anno titokban tartani az atomtitkot, akkor az OpenAI-nál is kiderülne, ha lenne ilyen.

Azért sem tartom valószínűnek, hogy egy mindent megváltoztató dolog lenne a háttérben, mert a tudomány nem így működik. Kilencvenkilenc áttörésből csak a századik lesz végül  akkora jelentőségű, hogy mi is tudunk róla, és gyakorlati értéket is képvisel. De az a kilencvenkilenc is mindig kell előtte hozzá. Ezért sem tartom valószínűnek, hogy egyik pillanatról a másikra létrejön egy szuper AI.

Otthon sem lehet AI-t létrehozni? Nincs rá esély, hogy sufnituningban valaki létrehoz egy ilyen szuperképességű AI-t?

PM: Rengeteg különböző feladatra hoztak már létre AI-t – van ami csak kódol, vannak open source nyelvi modellek is, amik még nincsenek úgy cenzúráva, mint a ChatGPT. De a legtöbb ilyen modellnek iszonyatosan nagy a hardver igénye. A ChatGPT-t tanításához kb. 30,000 videókártya kell. Emiatt kialakult egy hátrány az átlag fejlesztő számára, mert szinte lehetetlen hasonlót létrehozni. Kisebb modellekhez, amik elfutnak 4-5 videókártyán, már szabadon hozzá lehet férni. Ezekkel is tök jól lehet dolgozni egyénileg, lehet otthon is tanítani őket.

Lelkes fejlesztők csináltak például egy DnD AI-t, amivel szerepjáték közben mindenféle szörnyet meg lehet személyesíteni, és akár egyedül is lehet szerepjátékozni. Az ilyen saját nyelvi modellek készítése egyre terjedni fog szerintem. De szuper AI-t létrehozni otthon, az szinte lehetetlen.

Te mennyire aggódsz amiatt, hogy az AI elveheti a munkádat?

PM: Ennek egyelőre szerintem nincs veszélye. Számomra például egyértelmű, hogy a munka kreatív részéhez, a tervezői részhez, vagy például a megrendelővel való egyezkedésekhez én kellek. A ChatGPT maximum abban segít, hogy az apró funkciókat ne nekem kelljen tíz perc alatt leírni, hanem ő megoldja ezt nekem fél perc alatt. De tesztelnem kell ettől függetlenül, hogy mit írt, mert hibázik. Ahhoz is rutin kell, hogy megfelelő módon adjuk meg neki a feladatokat.

Szerintem az AI sokáig csak hatékonyabbá fogja tenni a munkánkat, és az, hogy a munkát elveszi annyit fog jelenteni, hogy az, amire eddig tíz ember kellett, most lehet, hogy két jó szakemberrel is megoldható lesz az AI támogatásával. De 100%-ig elvenni nem fogja.

Mi is azon az állásponton vagyunk a Codecoolnál, hogy a programozók munkájára szükség lesz, és az AI csak hatékonyabbá fogja tenni a fejlesztői munkát.

PM: Én úgy gondolom, hogy azon a ponton, amikor az AI már el tudja végezni egy senior fejlesztő munkáját, akkor már nagyjából mindennek mindegy lesz. Ezt úgy értem, hogy egy fejlesztő feladata sokban túlmutat azon, hogy kódot ír. Egy projekt végigvitele rengeteg olyan elemet tartalmaz, amihez nagyon kellenek az emberek. Az AI-t felügyelni is kell. Az a rendszer, ami képes elvenni egy senior fejlesztő munkáját, az már önálló kutatásra is képes lesz. És ha az eljön, akkor elindul egy olyan exponenciális fejlődés, mind az AI, mind a többi tudományág területén, hogy nem azon fogunk aggódni, hogy valaki más csinál meg helyettünk egy appot. Hanem például azon, hogy az AI felfedezte az űrutazásnak egy fénynél is gyorsabb formáját.

Nagyon messze van ez még. Mire ez eljön – és nyilván előbb utóbb el fog jönni – már egy teljesen másfajta világban fog élni az emberiség.

Ez a pont lesz a szingularitás?

PM: A szingularitás egy olyan pontot jelöl, amikor a tudományos fejlődés menete olyan szinten felgyorsul, hogy az előrejelzés lehetetlenné válik. A múltban már sok ilyen pont volt tudományos áttörések kapcsán, amit akkoriban nem tudtunk volna megjósolni, hogy hova fognak majd kifutni.

Például senki sem tudta volna az okostelefont megjósolni az első telefonkészülékek alapján. Vagy az internetet, ami kezdetben egy kis katonai rendszer volt csak Amerikában. A szingularitás alatt most azt a pontot  értjük, ahol az áttörések az AI segítségével olyan sebességűek és intenzitásúak lesznek, hogy nem lehet megjósolni, hogy mi lesz az eredményük, és az ránk hogyan fog hatni. 

Szóval amikor a szingularitás bekövetkezik, ott már mindegy lesz, hogy ki milyen szintű szakember. Az már Sci-Fi, hogy ott milyen körülmények lesznek.

PM: Igen, mindegy lesz, de azért van egy megnyugtató példám is a jövőre nézve. A mostani sakkozó mesterséges intelligenciák már több éve nagyságrendekkel jobban játszanak, mint az emberek. Magnus Carlsent, a világbajnokot, minden alkalommal megveri az AI. És mégis egyre többen sakkoznak. Az emberek egyre jobban szeretik, jobban is lehet vele keresni, és a sport nem veszített a népszerűségéből. 

Attól, hogy az AI jobban fog valamit csinálni nálunk, nem fogja egyből azt jelenteni, hogy az adott dolog irrelevánssá válik számunkra. Például a kreatív írás is ilyen lesz szerintem. Lehet, hogy az AI változatosabb szókincset használ, de az írásából pont az az emberi finomság hiányzik, amiért szerethető lesz számunkra egy regény. Az emberek most sem azt nézik, hogy a szuperképességű AI-ok hogyan játszanak egymással sakkot. Az embereket ez nem érdekli. Továbbra is nézik az emberi sakkot, és még sok ilyen terület lesz, ahova hiába tör be az AI, a fogyasztókat nem fogja érdekelni.

Ez tényleg megnyugtató. De mi a legrosszabb, ami a szingularitás után bekövetkezhet? A realitások talaján maradva.

PM: Két dolog van, amitől egy kicsit tartok. Az első, hogy tényleg lesz egy felettünk álló intelligencia, és gyakorlatilag minden kihívást el fog tünteni az életünkből. Az emberi létezés savát-borsát eliminálni fogja, és akkor lehet, hogy az emberiség elsorvad unalmában.

Ez az egyik.

A másik, amitől még tartok, azok a köztes AI-ok – amiket a social media oldalak is használnak az emberek befolyásolására. Ezek, mielőtt tényleg intelligens AI-t használnának, már rengeteg olyan képességgel lesznek felruházva, ami veszélyt jelenthet az emberekre. Láncreakciókat indíthatnak be, és hosszú távon lehetnek ránk káros hatással.

És milyen lenne a legpozitívabb kimenetel? Miben látod a legnagyobb előnyét?

PM: Például abban, hogy az AI a világgazdaságunk egyik legnagyobb hátrányát tudná majd kiküszöbölni – hogy minden ország a saját gazdaságát próbálja fejleszteni egy hihetetlenül komplex integrált rendszerben. Ha lesz több olyan intelligensen gondolkodó rendszer, ami tényleg globálisan nézi a gazdaságot, és minden problémát globális és a lokális szempontok szerint is egyszerre képes kezelni, az hihetetlenül jót fog tenni az emberiségnek szerintem. 

Rengeteg logisztikai problémát és kooperációs problémát megoldhatna egy ilyen AI rendszer. Mint emberek, nem vagyunk képesek mindennel egyszerre foglalkozni. Ez nekünk tényleg meghaladja a képességeinket.

A filmek nagy része mégis egy szupergonosz AI-t fest fel, negatív konnotációban.

PM: Hát persze, mert a filmeknek izgalmasnak kell lenniük. Pedig sok olyan sci-fi van, amiben az AI-nak pozitív kimenetele van. Asimov Robot történetei például nagyon jók ilyen szempontból, és aktuálisak is lesznek hamarosan. Ezek egy pszichológusnő kalandjait írják le, aki robotokkal foglalkozik. Próbálja a fejlett robotokban bekövetkező anomáliákat meggyógyítani. Sok-sok érdekes probléma merül fel ezzel kapcsolatban. Asimov egyébként is a robotika egyik szellemi atyja. Én nagyon tudom ajánlani gondolatébresztőnek.

Végül arra lennénk még kíváncsiak, hogy mit javasolsz annak, aki most az AI irányt érdeklődik, és be akar szállni ebbe az őrületbe?

PM: Az interjú elején felsorolt területek közül válassza ki, hogy melyik érdekli a legjobban. Adatbáziskezelés, DevOps, stb. Nekem óriási szerencsém volt, hogy elsőre egy kutatóintézethez kerültem. De általában a tisztán AI fejlesztéshez és algoritmus tervezéshez egy PhD-t várnak el, és kevés pozíció van nyitva. Ahol érdemes nézelődni és érdeklődni, az az ezt körülvevő pozíciók.

De ha valakit tényleg az AI fejlesztés érdekel, akkor nem lehetetlen elkezdeni. Sőt, ez az AI fejlesztői tudás az, amikkel startupokat is tipikusan könnyű elkezdeni építeni. Ha tisztán az AI érdekel valakit, akkor érdemes egy stabil matematikai tudást mögé rakni. Hiába tud valaki egy gépi látó rendszert összerakni, és azt Pythonban lekódolni – ahhoz, hogy valaki ebben hosszú távon sikeres legyen, kell egy biztos matematikai tudás. Főleg ahhoz, hogy megértse, hogy miért működik jól a State of the Art AI.

Sok szakirodalmat is kell olvasni. Nekem rengeteget segített a kognitív tudományokban való elmélyülés. Az a kérdés, hogy mi valóban az intelligencia, sok ezer éve foglalkoztatja az embereket. Annak a deep learning rendszernek az ősét, amit most az AI-ok használnak, egy Frank Rosenblatt nevű pszichológus dolgozta ki még a 60-as években. Rendkívül szoros kapcsolat van a pszichológia, a filozófia, a neurobiológia és a mesterséges intelligencia között.

Aki tényleg mélyen akar foglalkozni a mesterséges intelligenciával, annak azt ajánlom, hogy ezekben a tudományokban is mélyüljön el. Ahhoz, hogy megértsük az emberi intelligenciát, meg kell, hogy értsük önmagunkat. Nem tudjuk egy hipotetikus űrlény intelligenciáját megérteni. Csak magunkhoz fordulhatunk inspirációért.